CN115796523A - 一种资源分配方法及装置 - Google Patents
一种资源分配方法及装置 Download PDFInfo
- Publication number
- CN115796523A CN115796523A CN202211528285.7A CN202211528285A CN115796523A CN 115796523 A CN115796523 A CN 115796523A CN 202211528285 A CN202211528285 A CN 202211528285A CN 115796523 A CN115796523 A CN 115796523A
- Authority
- CN
- China
- Prior art keywords
- resource
- task
- vector
- demand
- cost
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种资源分配方法及装置，该方法包括：获取任务需求信息和资源中心信息；基于任务需求信息和资源平台信息，确定出任务代价信息；基于任务代价信息、评价分配模型和约束条件信息，确定出目标资源分配结果。可见，本发明有利于在满足各中队平台数量和任务偏好的约束下，实现最优资源分配，进而提高任务规划质量和效率。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种资源分配方法及装置。
背景技术
任务规划是真实作战和仿真推演中的重要过程，而在任务规划过程中需要将中队组要按照不同任务的比例分配平台，因此分配的过程中应当考虑中队的任务偏好和平台的任务偏好，在满足数量需求的同时应当考虑任务偏好。当前，求解此类需求问题的方法是排序优先法，根据中队及平台的任务偏好优先级和中队的平台数进行排序，这种求解方式得到的结果往往是非最优的，问题也会随着中队数和任务的增加，排序的原则不同会导致分配结果完全不同。因此，提供一种资源分配方法及装置，以在满足各中队平台数量和任务偏好的约束下，实现最优资源分配，进而提高任务规划质量和效率。
发明内容
本发明所要解决的技术问题在于，提供一种资源分配方法及装置，有利于在满足各中队平台数量和任务偏好的约束下，实现最优资源分配，进而提高任务规划质量和效率。
为了解决上述技术问题，本发明实施例第一方面公开了一种资源分配方法，所述方法包括：
获取任务需求信息和资源中心信息；所述任务需求信息包括若干个需求任务和所述需求任务对应的任务百分比；所述资源中心信息包括若干个资源中队；每个所述资源中队包括若干个资源平台；每个所述资源平台包括一个第一资源任务集合；每个所述资源中队包括一个第二资源任务集合；所述第一资源任务集合包括若干个有序排列的第一资源任务；所述第二资源任务集合包括若干个有序排列的第二资源任务；所述第一资源任务表征所述资源平台可完成所述第一资源任务对应的所述需求任务；所述第二资源任务表征所述资源中队可完成所述第二资源任务对应的所述需求任务；
基于所述任务需求信息和所述资源平台信息，确定出任务代价信息；所述任务代价信息表征由资源中队向量、任务向量、需求向量、供给向量和代价矩阵构成的矩阵；所述代价矩阵中的代价元素表征所述资源中队向量中的资源中队完成所述任务向量中的需求任务的代价值；所述需求向量中的需求值表征完成所述需求任务所需要的资源平台的数量；所述供给向量中的供给值表征所述资源中队中所述资源平台的数量；
基于所述任务代价信息、评价分配模型和约束条件信息，确定出目标资源分配结果；所述评价分配模型用于计算每个资源分配结果对应的总代价值；所述资源分配结果表征所述资源任务分配到所述资源中队中所述资源平台的数量；所述目标资源分配结果对应的总代价值是所有所述资源分配结果对应的总代价值中最小的；所述约束条件信息表征所述资源任务分配到所述资源中队中所述资源平台的数量与所述供给向量中的供给值和所述需求向量中的需求值的大小关系。
作为一种可选的实施方式，在本发明实施例第一方面中，所述基于所述任务需求信息和所述资源平台信息，确定出任务代价信息，包括：
基于所述资源中心信息，确定出所述资源中队向量和所述供给向量；
基于所述任务需求信息，确定出所述任务向量；
基于所述需求任务对应的任务百分比、所述任务向量、所述供给向量和所述资源中队向量，确定出所述需求向量；
基于预设的初始代价矩阵、所述任务向量和所述资源中队向量，确定出所述代价矩阵；所述初始代价矩阵包括若干个初始代价元素；
对所述资源中队向量、所述供给向量、所述任务向量、所述需求向量和所述代价矩阵进行整合，得到任务代价信息。
作为一种可选的实施方式，在本发明实施例第一方面中，所述基于预设的初始代价矩阵、所述任务向量和所述资源中队向量，确定出所述代价矩阵，包括：
对于任一所述初始代价元素，基于所述需求任务在所述任务向量中的任务序列号和该初始代价元素的元素坐标，确定出目标需求任务；所述任务序列号表征所述需求任务在所述任务向量中的位置；
基于所述资源中队在所述资源中队向量中的中队序列号和该初始代价元素的元素坐标，确定出目标资源中队；所述中队序列号表征所述资源中队在所述资源中队向量中的位置；
基于所述目标需求任务和所述目标资源中队对应的资源平台的第一资源任务集合，确定出第一索引号；所述第一索引号为不小于0的整数；
基于所述目标需求任务和所述目标资源中队对应的第二资源任务集合，确定出第二索引号；所述第二索引号为不小于0的整数；
基于代价模型，对所述第一索引号和所述第二索引号进行计算，得到该初始代价元素对应的代价值；
其中，所述代价模型为：
式中，costij为元素坐标为(i,j)的代价值；rp为第一索引号；ru为第二索引号；N为所述第二资源任务集合的最大容量；
利用所有所述代价值替换所述初始代价矩阵中的初始代价元素，得到所述代价矩阵。
作为一种可选的实施方式，在本发明实施例第一方面中，所述基于所述目标需求任务和所述目标资源中队对应的第二资源任务集合，确定出第二索引号，包括：
对于所述目标资源中队对应的第二资源任务集合中的任一所述第二资源任务，判断该第二资源任务对应的任务属性与所述目标需求任务对应的任务属性是否相一致，得到属性判断结果；
当所述属性判断结果为是时，确定该第二资源任务为第二目标资源任务；
将所述第二目标资源任务在所述第二资源任务集合的序列号确定为第二索引号；所述序列号表征所述第二目标资源任务在所述第二资源任务集合中的排序位置。
作为一种可选的实施方式，在本发明实施例第一方面中，所述基于所述任务代价信息、评价分配模型和约束条件信息，确定出目标资源分配结果，包括：
基于所述任务代价信息中的所述需求向量和所述供给向量、评价分配模型、约束条件信息，确定出目标函数；
对所述目标函数和所述任务代价信息进行求解，得到目标资源分配结果。
作为一种可选的实施方式，在本发明实施例第一方面中，所述目标函数包括最小代价函数和约束条件函数；
所述基于任务代价信息、评价分配模型和约束条件信息，确定出目标函数，包括：
基于评价分配模型，确定出所述最小代价函数；
基于所述任务代价信息中的所述需求向量和所述供给向量、所述约束条件信息，确定出所述约束条件数；
其中，所述评价分配模型为：
所述最小代价函数为：
所述约束条件数为：
式中，min(TotalCost(resultij))为所有所述总代价值TotalCost(resultij)中的最小总代价值；resultij为分配给元素坐标为(i,j)的所述资源平台的数量；supplyj为所述供给向量中第j个所述供给值；demandi为所述需求向量中第i个所述需求值；m为所述任务向量中所述需求任务的数量；n为所述资源中队向量中所述资源中队的数量。
作为一种可选的实施方式，在本发明实施例第一方面中，所述对所述目标函数和所述任务代价信息进行求解，得到目标资源分配结果，包括：
对所述任务代价信息进行扩增，得到扩增任务代价信息；所述扩增任务代价信息为对所述代价矩阵、所述任务向量和所述需求向量进行元素增加；
利用最小元素法对所述扩增任务代价信息和所述目标函数进行求解处理，得到初始资源分配结果；
对所述初始资源分配结果进行校验，得到校验结果；
当所述校验结果为否时，基于所述校验结果对所述初始资源分配结果进行调整更新，并触发执行所述对所述初始资源分配结果进行校验，得到校验结果；
当所述校验结果为时，对所述初始资源分配结果进行删除优化处理，得到目标资源分配结果。
本发明实施例第二方面公开了一种资源分配装置，装置包括：
获取模块，用于获取任务需求信息和资源中心信息；所述任务需求信息包括若干个需求任务和所述需求任务对应的任务百分比；所述资源中心信息包括若干个资源中队；每个所述资源中队包括若干个资源平台；每个所述资源平台包括一个第一资源任务集合；每个所述资源中队包括一个第二资源任务集合；所述第一资源任务集合包括若干个有序排列的第一资源任务；所述第二资源任务集合包括若干个有序排列的第二资源任务；所述第一资源任务表征所述资源平台可完成所述第一资源任务对应的所述需求任务；所述第二资源任务表征所述资源中队可完成所述第二资源任务对应的所述需求任务；
第一确定模块，用于基于所述任务需求信息和所述资源平台信息，确定出任务代价信息；所述任务代价信息表征由资源中队向量、任务向量、需求向量、供给向量和代价矩阵构成的矩阵；所述代价矩阵中的代价元素表征所述资源中队向量中的资源中队完成所述任务向量中的需求任务的代价值；所述需求向量中的需求值表征完成所述需求任务所需要的资源平台的数量；所述供给向量中的供给值表征所述资源中队中所述资源平台的数量；
第二确定模块，用于基于所述任务代价信息、评价分配模型和约束条件信息，确定出目标资源分配结果；所述评价分配模型用于计算每个资源分配结果对应的总代价值；所述资源分配结果表征所述资源任务分配到所述资源中队中所述资源平台的数量；所述目标资源分配结果对应的总代价值是所有所述资源分配结果对应的总代价值中最小的；所述约束条件信息表征所述资源任务分配到所述资源中队中所述资源平台的数量与所述供给向量中的供给值和所述需求向量中的需求值的大小关系。
本发明第三方面公开了另一种资源分配装置，所述装置包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明实施例第一方面公开的资源分配方法中的部分或全部步骤。
本发明第四方面公开了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明实施例第一方面公开的资源分配方法中的部分或全部步骤。
与现有技术相比，本发明实施例具有以下有益效果：
本发明实施例中，获取任务需求信息和资源中心信息；任务需求信息包括若干个需求任务和需求任务对应的任务百分比；资源中心信息包括若干个资源中队；每个资源中队包括若干个资源平台；每个资源平台包括一个第一资源任务集合；每个资源中队包括一个第二资源任务集合；第一资源任务集合包括若干个有序排列的第一资源任务；第二资源任务集合包括若干个有序排列的第二资源任务；第一资源任务表征资源平台可完成第一资源任务对应的需求任务；第二资源任务表征资源中队可完成第二资源任务对应的需求任务；基于任务需求信息和资源平台信息，确定出任务代价信息；任务代价信息表征由资源中队向量、任务向量、需求向量、供给向量和代价矩阵构成的矩阵；代价矩阵中的代价元素表征资源中队向量中的资源中队完成任务向量中的需求任务的代价值；需求向量中的需求值表征完成需求任务所需要的资源平台的数量；供给向量中的供给值表征资源中队中资源平台的数量；基于任务代价信息、评价分配模型和约束条件信息，确定出目标资源分配结果；评价分配模型用于计算每个资源分配结果对应的总代价值；资源分配结果表征资源任务分配到资源中队中资源平台的数量；目标资源分配结果对应的总代价值是所有资源分配结果对应的总代价值中最小的；约束条件信息表征资源任务分配到资源中队中资源平台的数量与供给向量中的供给值和需求向量中的需求值的大小关系。可见，本发明有利于在满足各中队平台数量和任务偏好的约束下，实现最优资源分配，进而提高任务规划质量和效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例公开的一种资源分配方法的流程示意图；
图2是本发明实施例公开的一种资源分配装置的结构示意图；
图3是本发明实施例公开的另一种资源分配装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本发明公开了一种资源分配方法及装置，有利于在满足各中队平台数量和任务偏好的约束下，实现最优资源分配，进而提高任务规划质量和效率。以下分别进行详细说明。
实施例一
请参阅图1，图1是本发明实施例公开的一种资源分配方法的流程示意图。其中，图1所描述的资源分配方法应用于数据处理系统中，如用于资源分配管理的本地服务器或云端服务器等，本发明实施例不做限定。如图1所示，该资源分配方法可以包括以下操作：
101、获取任务需求信息和资源中心信息。
本发明实施例中，上述任务需求信息包括若干个需求任务和需求任务对应的任务百分比。
本发明实施例中，上述资源中心信息包括若干个资源中队；每个资源中队包括若干个资源平台。
本发明实施例中，上述每个资源平台包括一个第一资源任务集合。
本发明实施例中，上述每个资源中队包括一个第二资源任务集合。
本发明实施例中，上述第一资源任务集合包括若干个有序排列的第一资源任务。
本发明实施例中，上述第二资源任务集合包括若干个有序排列的第二资源任务。
本发明实施例中，上述第一资源任务表征资源平台可完成第一资源任务对应的需求任务。
本发明实施例中，上述第二资源任务表征资源中队可完成第二资源任务对应的需求任务。
102、基于任务需求信息和资源平台信息，确定出任务代价信息。
本发明实施例中，任务代价信息表征由资源中队向量、任务向量、需求向量、供给向量和代价矩阵构成的矩阵。
本发明实施例中，上述代价矩阵中的代价元素表征资源中队向量中的资源中队完成任务向量中的需求任务的代价值。
本发明实施例中，上述需求向量中的需求值表征完成需求任务所需要的资源平台的数量。
本发明实施例中，上述供给向量中的供给值表征资源中队中资源平台的数量。
103、基于任务代价信息、评价分配模型和约束条件信息，确定出目标资源分配结果。
本发明实施例中，评价分配模型用于计算每个资源分配结果对应的总代价值。
本发明实施例中，上述资源分配结果表征资源任务分配到资源中队中资源平台的数量。
本发明实施例中，上述目标资源分配结果对应的总代价值是所有资源分配结果对应的总代价值中最小的。
本发明实施例中，上述约束条件信息表征资源任务分配到资源中队中资源平台的数量与供给向量中的供给值和需求向量中的需求值的大小关系。
需要说明的是，上述第一资源任务集合中有序排列的第一资源任务对应的第一索引号依次增加。举例来说，preferList_p＝[pm_p0,pm_p1,…,pm_pnp-1]，其中pm_pni表示第一索引号为ni的第一资源任务，ni∈[0,np-1]，ni为整数，np为资源平台的第一资源任务的数量。
需要说明的是，上述第二资源任务集合中有序排列的第二资源任务对应的第二索引号依次增加。举例来说，preferList_u＝[pm_u0,pm_u1,…,pm_unu-1]，其中pm_uui表示第一索引号为ui的第一资源任务，ui∈[0,up-1]，ui为整数，up为资源平台的第二资源任务的数量，即第二资源任务集合的最大容量。
进一步的，上述第一资源任务集合包含第二资源任务集合，即第二资源任务集合中的第二任务资源任务从属于第一资源任务集合。
举例来说，资源平台包括平台1、平台2和平台3，其对应的第一资源任务集合如下表所示：
| 平台名称 | 第一资源任务集合 |
| 平台1 | 任务1、任务2、任务4 |
| 平台2 | 任务3、任务2、任务1 |
| 平台3 | 任务2、任务3 |
可见，实施本发明实施例所描述的资源分配方法有利于在满足各中队平台数量和任务偏好的约束下，实现最优资源分配，进而提高任务规划质量和效率。
在一个可选的实施例中，上述基于任务需求信息和资源平台信息，确定出任务代价信息，包括：
基于资源中心信息，确定出资源中队向量和供给向量；
基于任务需求信息，确定出任务向量；
基于需求任务对应的任务百分比、任务向量、供给向量和资源中队向量，确定出需求向量；
基于预设的初始代价矩阵、任务向量和资源中队向量，确定出代价矩阵；初始代价矩阵包括若干个初始代价元素；
对资源中队向量、供给向量、任务向量、需求向量和代价矩阵进行整合，得到任务代价信息。
需要说明的是，上述需求向量中的元素与任务向量中的元素是一一对应的，即每一个需求值对应于唯一一个需求任务。
在该可选的实施例中，作为一种可选的实施方式，上述基于需求任务对应的任务百分比、任务向量、供给向量和资源中队向量，确定出需求向量，包括：
对于任务向量中的任一需求任务，对于资源中队向量中的任一资源中队，识别该资源中队对应的第一资源任务集合中是否存在与该需求任务相匹配的第一资源任务，得到第一资源任务识别结果；
当第一资源任务识别结果为是时，识别该资源中队对应的第二资源任务集合中是否存在与该需求任务相匹配的第二资源任务，得到第二资源任务识别结果；
当第二资源任务识别结果为是时，确定资源识别结果为1；
当第一资源任务识别结果为否时，确定资源识别结果为0；
当第二资源任务识别结果为否时，确定资源识别结果为0；
从供给向量中获取与该资源中队相匹配的供给值作为目标供给值；
对目标供给值与资源识别结果进行乘积，得到供给资源值；
对所有供给资源值进行累计求和，得到目标供给资源值；
利用该需求任务对应的任务百分比和目标供给资源值进行乘积，得到该需求任务对应的需求值。
需要说明的是，上述基于资源中心信息确定出资源中队向量和供给向量是从资源中心信息中按资源中队的排列顺序依次提取出资源中队和资源中队对应的资源平台数量构建得到的。
需要说明的是，上述基于任务需求信息确定出任务向量是从任务需求信息中按需求任务的排列顺序依次填充到预设的向量中构建得到的。
举例来说，当资源中心信息为下表所示的中队列表：
| 中队名称 | 平台类型 | 平台数量 | 任务偏好列表 |
| 中队1 | 平台1 | 12 | 任务1、任务2 |
| 中队2 | 平台1 | 14 | 任务1、任务2、任务4 |
| 中队3 | 平台2 | 16 | 任务2、任务1、任务3 |
| 中队4 | 平台2 | 10 | 任务3、任务1 |
| 中队5 | 平台3 | 16 | 任务2、任务3 |
| 中队6 | 平台3 | 16 | 任务3、任务2 |
根据上述中队列表可依次构建资源中队向量[中队1，中队2，中队3，中队4，中队5，中队6]T和供给向量[12，14，16，10，16，16]T。
当任务需求信息为下表所示的任务列表：
| 任务 | 任务1 | 任务2 | 任务3 |
| 任务百分比 | 20％ | 40％ | 40％ |
根据任务列表可构建任务向量[任务1，任务2，任务3]。
通过对资源中队向量、供给向量、任务向量、需求向量和代价矩阵的整合可构建如下表所示的任务代价信息：
| 任务1 | 任务2 | 任务3 | 供给值 | |
| 中队1 | 0 | 19 | 1000000 | 12 |
| 中队2 | 0 | 19 | 1000000 | 14 |
| 中队3 | 20 | 10 | 20 | 16 |
| 中队4 | 28 | 1000000 | 0 | 10 |
| 中队5 | 1000000 | 0 | 36 | 16 |
| 中队6 | 1000000 | 10 | 10 | 16 |
| 需求值 | 8 | 29 | 23 |
可见，实施本发明实施例所描述的资源分配方法有利于在满足各中队平台数量和任务偏好的约束下，实现最优资源分配，进而提高任务规划质量和效率。
在另一个可选的实施例中，基于预设的初始代价矩阵、任务向量和资源中队向量，确定出代价矩阵，包括：
对于任一初始代价元素，基于需求任务在任务向量中的任务序列号和该初始代价元素的元素坐标，确定出目标需求任务；任务序列号表征需求任务在任务向量中的位置；
基于资源中队在资源中队向量中的中队序列号和该初始代价元素的元素坐标，确定出目标资源中队；中队序列号表征资源中队在资源中队向量中的位置；
基于目标需求任务和目标资源中队对应的资源平台的第一资源任务集合，确定出第一索引号；第一索引号为不小于0的整数；
基于目标需求任务和目标资源中队对应的第二资源任务集合，确定出第二索引号；第二索引号为不小于0的整数；
基于代价模型，对第一索引号和第二索引号进行计算，得到该初始代价元素对应的代价值；
其中，代价模型为：
式中，costij为元素坐标为(i,j)的代价值；rp为第一索引号；ru为第二索引号；N为第二资源任务集合的最大容量；
利用所有代价值替换初始代价矩阵中的初始代价元素，得到代价矩阵。
优选的，上述第二资源任务集合的最大容量为10。
需要说明的，上述第一索引号和第二索引号的最小值为0，最大值为N-1。
可见，实施本发明实施例所描述的资源分配方法有利于在满足各中队平台数量和任务偏好的约束下，实现最优资源分配，进而提高任务规划质量和效率。
在又一个可选的实施例中，基于目标需求任务和目标资源中队对应的第二资源任务集合，确定出第二索引号，包括：
对于目标资源中队对应的第二资源任务集合中的任一第二资源任务，判断该第二资源任务对应的任务属性与目标需求任务对应的任务属性是否相一致，得到属性判断结果；
当属性判断结果为是时，确定该第二资源任务为第二目标资源任务；
将第二目标资源任务在第二资源任务集合的序列号确定为第二索引号；序列号表征第二目标资源任务在第二资源任务集合中的排序位置。
需要说明的是，上述任务属性可以为名称，也可以是标号，本发明实施例不做限定。
可见，实施本发明实施例所描述的资源分配方法有利于在满足各中队平台数量和任务偏好的约束下，实现最优资源分配，进而提高任务规划质量和效率。
在又一个可选的实施例中，基于任务代价信息、评价分配模型和约束条件信息，确定出目标资源分配结果，包括：
基于任务代价信息中的需求向量和供给向量、评价分配模型、约束条件信息，确定出目标函数；
对目标函数和任务代价信息进行求解，得到目标资源分配结果。
可见，实施本发明实施例所描述的资源分配方法有利于在满足各中队平台数量和任务偏好的约束下，实现最优资源分配，进而提高任务规划质量和效率。
在一个可选的实施例中，上述目标函数包括最小代价函数和约束条件函数；
基于任务代价信息、评价分配模型和约束条件信息，确定出目标函数，包括：
基于评价分配模型，确定出最小代价函数；
基于任务代价信息中的需求向量和供给向量、约束条件信息，确定出约束条件数；
其中，评价分配模型为：
最小代价函数为：
约束条件数为：
式中，min(TotalCost(resultij))为所有总代价值TotalCost(resultij)中的最小总代价值；resultij为分配给元素坐标为(i,j)的资源平台的数量；supplyj为供给向量中第j个供给值；demandi为需求向量中第i个需求值；m为任务向量中需求任务的数量；n为资源中队向量中资源中队的数量。
可选的，上述约束条件信息包括任一需求任务对应的资源中队的资源平台的总数量不小于该需求任务对应的需求值，和/或，任一资源中队对应的所有需求任务的资源平台的总数量不大于该资源中队对应的供给值。
可见，实施本发明实施例所描述的资源分配方法有利于在满足各中队平台数量和任务偏好的约束下，实现最优资源分配，进而提高任务规划质量和效率。
在另一个可选的实施例中，对目标函数和任务代价信息进行求解，得到目标资源分配结果，包括：
对任务代价信息进行扩增，得到扩增任务代价信息；扩增任务代价信息为对代价矩阵、任务向量和需求向量进行元素增加；
利用最小元素法对扩增任务代价信息和目标函数进行求解处理，得到初始资源分配结果；
对初始资源分配结果进行校验，得到校验结果；
当校验结果为否时，基于校验结果对初始资源分配结果进行调整更新，并触发执行对初始资源分配结果进行校验，得到校验结果；
当校验结果为时，对初始资源分配结果进行删除优化处理，得到目标资源分配结果。
需要说明的是，上述扩增任务代价信息是增加代价矩阵、任务向量和需求向量中的元素。举例来说，将任务代价信息进行扩增，扩增后的扩增任务代价信息为：
| 任务1 | 任务2 | 任务3 | 虚拟任务 | 供给值 | |
| 中队1 | 0 | 19 | 1000000 | 0 | 12 |
| 中队2 | 0 | 19 | 1000000 | 0 | 14 |
| 中队3 | 20 | 10 | 20 | 0 | 16 |
| 中队4 | 28 | 1000000 | 0 | 0 | 10 |
| 中队5 | 1000000 | 0 | 36 | 0 | 16 |
| 中队6 | 1000000 | 10 | 10 | 0 | 16 |
| 需求值 | 8 | 29 | 23 | 15 |
进一步的，扩增的虚拟任务对应的代价值为0。
需要说明的是，上述初始资源分配结果任一元素坐标对应的初始资源分配值包括运量值和代价值，如8(0)，其中8为运量值，0为代价值。进一步，运量值表征资源中队分配给需求任务的资源平台的数量。
可选的，上述对初始资源分配结果的删除优化是将扩增的虚拟任务和代价值进行删除，以形成最终的目标资源分配结果。
在该可选的实施例中，作为一种的实施方式，上述对初始资源分配结果进行校验，得到校验结果，包括：
将初始资源分配结果中的供给向量转化为行位势向量；
将初始资源分配结果中的需求向量转化为列位势向量；
对于初始资源分配结果中的任一初始资源分配值，识别该初始资源分配值对应的运量值是否不为0，得到运量识别结果；
当运量识别结果为是时，确定该初始资源分配值对应的校验值为0；
当运量识别结果为否时，将该初始资源分配值对应的代价值减去该初始资源分配值对应的行位势向量中的行位势值和列位势向量中的列位势值，得到该初始资源分配值对应的校验值；
识别所有校验值是否存在小于0的校验值，得到校验值识别结果；
当校验值识别结果为是时，确定校验结果为否；
当校验值识别结果为否时，确定校验结果为是。
可选的，上述基于校验结果对初始资源分配结果进行调整更新是将校验值小于0对应的初始资源分配值进行调整。
举例来说，在扩增后的扩增任务代价信息的基础上利用最小元素法确定初解，得到如下表所示的初始资源分配结果：
| 任务1 | 任务2 | 任务3 | 虚拟任务 | 供给值 | |
| 中队1 | 8(0) | 0(19) | 0(1000000) | 4(0) | 12 |
| 中队2 | 0(0) | 0(19) | 3(1000000) | 11(0) | 14 |
| 中队3 | 0(20) | 13(10) | 3(20) | 0(0) | 16 |
| 中队4 | 0(28) | (1000000) | 10(0) | 0(0) | 10 |
| 中队5 | (1000000) | 16(0) | (36) | 0(0) | 16 |
| 中队6 | (1000000) | 0(10) | 16(10) | 0(0) | 16 |
| 需求值 | 8 | 29 | 32 | 15 |
进一步的，进行校验后得到的校验结果如下表：
| 任务1 | 任务2 | 任务3 | 虚拟任务 | 行位势 | |
| 中队1 | 0(0) | -999971(19) | 0(1000000) | 0(0) | 0 |
| 中队2 | 0(0) | -999971(19) | 0(1000000) | 0(0) | 0 |
| 中队3 | 1000000(20) | 0(10) | 0(20) | 999980(0) | -999980 |
| 中队4 | 1000028(28) | 1000010(1000000) | 0(0) | 1000000(0) | -1000000 |
| 中队5 | 1999990(1000000) | 0(0) | 26(36) | 999990(0) | -999990 |
| 中队6 | 1999990(1000000) | 10(10) | 0(10) | 999990(0) | -999990 |
| 列位势 | 0 | 999990 | 1000000 | 0 |
进一步的，经过调整更新并通过校验的初始资源分配结果为：
| 任务1 | 任务2 | 任务3 | 虚拟任务 | 供给值 | |
| 中队1 | 8(0) | 0(19) | 0(1000000) | 4(0) | 12 |
| 中队2 | 0(0) | 13(19) | 0(1000000) | 1(0) | 14 |
| 中队3 | 0(20) | 0(10) | 6(20) | 0(0) | 16 |
| 中队4 | 0(28) | 0(1000000) | 10(0) | 0(0) | 10 |
| 中队5 | 0(1000000) | 16(0) | 0(36) | 0(0) | 16 |
| 中队6 | 0(1000000) | 0(10) | 16(10) | 0(0) | 16 |
| 需求值 | 8 | 29 | 32 | 15 |
进一步的，对初始资源分配结果进行删除优化处理后的目标资源分配结果为：
| 任务1 | 任务2 | 任务3 | 供给值 | |
| 中队1 | 8 | 0 | 0 | 12 |
| 中队2 | 0 | 13 | 0 | 14 |
| 中队3 | 0 | 0 | 6 | 16 |
| 中队4 | 0 | 0 | 10 | 10 |
| 中队5 | 0 | 16 | 0 | 16 |
| 中队6 | 0 | 0 | 16 | 16 |
| 需求值 | 8 | 29 | 32 |
可见，实施本发明实施例所描述的资源分配方法有利于在满足各中队平台数量和任务偏好的约束下，实现最优资源分配，进而提高任务规划质量和效率。
实施例二
请参阅图2，图2是本发明实施例公开的一种资源分配装置的结构示意图。其中，图2所描述的装置能够应用于数据处理系统中，如用于资源分配管理的本地服务器或云端服务器等，本发明实施例不做限定。如图2所示，该装置可以包括：
获取模块201，用于获取任务需求信息和资源中心信息；任务需求信息包括若干个需求任务和需求任务对应的任务百分比；资源中心信息包括若干个资源中队；每个资源中队包括若干个资源平台；每个资源平台包括一个第一资源任务集合；每个资源中队包括一个第二资源任务集合；第一资源任务集合包括若干个有序排列的第一资源任务；第二资源任务集合包括若干个有序排列的第二资源任务；第一资源任务表征资源平台可完成第一资源任务对应的需求任务；第二资源任务表征资源中队可完成第二资源任务对应的需求任务；
第一确定模块202，用于基于任务需求信息和资源平台信息，确定出任务代价信息；任务代价信息表征由资源中队向量、任务向量、需求向量、供给向量和代价矩阵构成的矩阵；代价矩阵中的代价元素表征资源中队向量中的资源中队完成任务向量中的需求任务的代价值；需求向量中的需求值表征完成需求任务所需要的资源平台的数量；供给向量中的供给值表征资源中队中资源平台的数量；
第二确定模块203，用于基于任务代价信息、评价分配模型和约束条件信息，确定出目标资源分配结果；评价分配模型用于计算每个资源分配结果对应的总代价值；资源分配结果表征资源任务分配到资源中队中资源平台的数量；目标资源分配结果对应的总代价值是所有资源分配结果对应的总代价值中最小的；约束条件信息表征资源任务分配到资源中队中资源平台的数量与供给向量中的供给值和需求向量中的需求值的大小关系。
可见，实施图2所描述的资源分配装置，有利于在满足各中队平台数量和任务偏好的约束下，实现最优资源分配，进而提高任务规划质量和效率。
在另一个可选的实施例中，如图2所示，第一确定模块202基于任务需求信息和资源平台信息，确定出任务代价信息，包括：
基于资源中心信息，确定出资源中队向量和供给向量；
基于任务需求信息，确定出任务向量；
基于需求任务对应的任务百分比、任务向量、供给向量和资源中队向量，确定出需求向量；
基于预设的初始代价矩阵、任务向量和资源中队向量，确定出代价矩阵；初始代价矩阵包括若干个初始代价元素；
对资源中队向量、供给向量、任务向量、需求向量和代价矩阵进行整合，得到任务代价信息。
可见，实施图2所描述的资源分配装置，有利于在满足各中队平台数量和任务偏好的约束下，实现最优资源分配，进而提高任务规划质量和效率。
在又一个可选的实施例中，如图2所示，第一确定模块202基于预设的初始代价矩阵、任务向量和资源中队向量，确定出代价矩阵，包括：
对于任一初始代价元素，基于需求任务在任务向量中的任务序列号和该初始代价元素的元素坐标，确定出目标需求任务；任务序列号表征需求任务在任务向量中的位置；
基于资源中队在资源中队向量中的中队序列号和该初始代价元素的元素坐标，确定出目标资源中队；中队序列号表征资源中队在资源中队向量中的位置；
基于目标需求任务和目标资源中队对应的资源平台的第一资源任务集合，确定出第一索引号；第一索引号为不小于0的整数；
基于目标需求任务和目标资源中队对应的第二资源任务集合，确定出第二索引号；第二索引号为不小于0的整数；
基于代价模型，对第一索引号和第二索引号进行计算，得到该初始代价元素对应的代价值；
其中，代价模型为：
式中，costij为元素坐标为(i,j)的代价值；rp为第一索引号；ru为第二索引号；N为第二资源任务集合的最大容量；
利用所有代价值替换初始代价矩阵中的初始代价元素，得到代价矩阵。
可见，实施图2所描述的资源分配装置，有利于在满足各中队平台数量和任务偏好的约束下，实现最优资源分配，进而提高任务规划质量和效率。
在又一个可选的实施例中，如图2所示，第一确定模块202基于目标需求任务和目标资源中队对应的第二资源任务集合，确定出第二索引号，包括：
对于目标资源中队对应的第二资源任务集合中的任一第二资源任务，判断该第二资源任务对应的任务属性与目标需求任务对应的任务属性是否相一致，得到属性判断结果；
当属性判断结果为是时，确定该第二资源任务为第二目标资源任务；
将第二目标资源任务在第二资源任务集合的序列号确定为第二索引号；序列号表征第二目标资源任务在第二资源任务集合中的排序位置。
可见，实施图2所描述的资源分配装置，有利于在满足各中队平台数量和任务偏好的约束下，实现最优资源分配，进而提高任务规划质量和效率。
在又一个可选的实施例中，如图2所示，第二确定模块203基于任务代价信息、评价分配模型和约束条件信息，确定出目标资源分配结果，包括：
基于任务代价信息中的需求向量和供给向量、评价分配模型、约束条件信息，确定出目标函数；
对目标函数和任务代价信息进行求解，得到目标资源分配结果。
可见，实施图2所描述的资源分配装置，有利于在满足各中队平台数量和任务偏好的约束下，实现最优资源分配，进而提高任务规划质量和效率。
在又一个可选的实施例中，如图2所示，目标函数包括最小代价函数和约束条件函数；
第二确定模块203基于任务代价信息、评价分配模型和约束条件信息，确定出目标函数，包括：
基于评价分配模型，确定出最小代价函数；
基于任务代价信息中的需求向量和供给向量、约束条件信息，确定出约束条件数；
其中，评价分配模型为：
最小代价函数为：
约束条件数为：
式中，min(TotalCost(resultij))为所有总代价值TotalCost(resultij)中的最小总代价值；resultij为分配给元素坐标为(i,j)的资源平台的数量；supplyj为供给向量中第j个供给值；demandi为需求向量中第i个需求值；m为任务向量中需求任务的数量；n为资源中队向量中资源中队的数量。
可见，实施图2所描述的资源分配装置，有利于在满足各中队平台数量和任务偏好的约束下，实现最优资源分配，进而提高任务规划质量和效率。
在又一个可选的实施例中，如图2所示，第二确定模块203对目标函数和任务代价信息进行求解，得到目标资源分配结果，包括：
对任务代价信息进行扩增，得到扩增任务代价信息；扩增任务代价信息为对代价矩阵、任务向量和需求向量进行元素增加；
利用最小元素法对扩增任务代价信息和目标函数进行求解处理，得到初始资源分配结果；
对初始资源分配结果进行校验，得到校验结果；
当校验结果为否时，基于校验结果对初始资源分配结果进行调整更新，并触发执行对初始资源分配结果进行校验，得到校验结果；
当校验结果为时，对初始资源分配结果进行删除优化处理，得到目标资源分配结果。
可见，实施图2所描述的资源分配装置，有利于在满足各中队平台数量和任务偏好的约束下，实现最优资源分配，进而提高任务规划质量和效率。
实施例三
请参阅图3，图3是本发明实施例公开的又一种资源分配装置的结构示意图。其中，图3所描述的装置能够应用于数据处理系统中，如用于资源分配管理的本地服务器或云端服务器等，本发明实施例不做限定。如图3所示，该装置可以包括：
存储有可执行程序代码的存储器301；
与存储器301耦合的处理器302；
处理器302调用存储器301中存储的可执行程序代码，用于执行实施例一所描述的资源分配方法中的步骤。
实施例四
本发明实施例公开了一种计算机可读读存储介质，其存储用于电子数据交换的计算机程序，其中，该计算机程序使得计算机执行实施例一所描述的资源分配方法中的步骤。
实施例五
本发明实施例公开了一种计算机程序产品，该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，且该计算机程序可操作来使计算机执行实施例一所描述的资源分配方法中的步骤。
以上所描述的装置实施例仅是示意性的，其中作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施例的具体描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory，EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是：本发明实施例公开的一种资源分配方法及装置所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。
Claims (10)
1.一种资源分配方法，其特征在于，所述方法包括：
获取任务需求信息和资源中心信息；所述任务需求信息包括若干个需求任务和所述需求任务对应的任务百分比；所述资源中心信息包括若干个资源中队；每个所述资源中队包括若干个资源平台；每个所述资源平台包括一个第一资源任务集合；每个所述资源中队包括一个第二资源任务集合；所述第一资源任务集合包括若干个有序排列的第一资源任务；所述第二资源任务集合包括若干个有序排列的第二资源任务；所述第一资源任务表征所述资源平台可完成所述第一资源任务对应的所述需求任务；所述第二资源任务表征所述资源中队可完成所述第二资源任务对应的所述需求任务；
基于所述任务需求信息和所述资源平台信息，确定出任务代价信息；所述任务代价信息表征由资源中队向量、任务向量、需求向量、供给向量和代价矩阵构成的矩阵；所述代价矩阵中的代价元素表征所述资源中队向量中的资源中队完成所述任务向量中的需求任务的代价值；所述需求向量中的需求值表征完成所述需求任务所需要的资源平台的数量；所述供给向量中的供给值表征所述资源中队中所述资源平台的数量；
基于所述任务代价信息、评价分配模型和约束条件信息，确定出目标资源分配结果；所述评价分配模型用于计算每个资源分配结果对应的总代价值；所述资源分配结果表征所述资源任务分配到所述资源中队中所述资源平台的数量；所述目标资源分配结果对应的总代价值是所有所述资源分配结果对应的总代价值中最小的；所述约束条件信息表征所述资源任务分配到所述资源中队中所述资源平台的数量与所述供给向量中的供给值和所述需求向量中的需求值的大小关系。
2.根据权利要求1所述的资源分配方法，其特征在于，所述基于所述任务需求信息和所述资源平台信息，确定出任务代价信息，包括：
基于所述资源中心信息，确定出所述资源中队向量和所述供给向量；
基于所述任务需求信息，确定出所述任务向量；
基于所述需求任务对应的任务百分比、所述任务向量、所述供给向量和所述资源中队向量，确定出所述需求向量；
基于预设的初始代价矩阵、所述任务向量和所述资源中队向量，确定出所述代价矩阵；所述初始代价矩阵包括若干个初始代价元素；
对所述资源中队向量、所述供给向量、所述任务向量、所述需求向量和所述代价矩阵进行整合，得到任务代价信息。
3.根据权利要求2所述的资源分配方法，其特征在于，所述基于预设的初始代价矩阵、所述任务向量和所述资源中队向量，确定出所述代价矩阵，包括：
对于任一所述初始代价元素，基于所述需求任务在所述任务向量中的任务序列号和该初始代价元素的元素坐标，确定出目标需求任务；所述任务序列号表征所述需求任务在所述任务向量中的位置；
基于所述资源中队在所述资源中队向量中的中队序列号和该初始代价元素的元素坐标，确定出目标资源中队；所述中队序列号表征所述资源中队在所述资源中队向量中的位置；
基于所述目标需求任务和所述目标资源中队对应的资源平台的第一资源任务集合，确定出第一索引号；所述第一索引号为不小于0的整数；
基于所述目标需求任务和所述目标资源中队对应的第二资源任务集合，确定出第二索引号；所述第二索引号为不小于0的整数；
基于代价模型，对所述第一索引号和所述第二索引号进行计算，得到该初始代价元素对应的代价值；
其中，所述代价模型为：
式中，costij为元素坐标为(i,j)的代价值；rp为第一索引号；ru为第二索引号；N为所述第二资源任务集合的最大容量；
利用所有所述代价值替换所述初始代价矩阵中的初始代价元素，得到所述代价矩阵。
4.根据权利要求3所述的资源分配方法，其特征在于，所述基于所述目标需求任务和所述目标资源中队对应的第二资源任务集合，确定出第二索引号，包括：
对于所述目标资源中队对应的第二资源任务集合中的任一所述第二资源任务，判断该第二资源任务对应的任务属性与所述目标需求任务对应的任务属性是否相一致，得到属性判断结果；
当所述属性判断结果为是时，确定该第二资源任务为第二目标资源任务；
将所述第二目标资源任务在所述第二资源任务集合的序列号确定为第二索引号；所述序列号表征所述第二目标资源任务在所述第二资源任务集合中的排序位置。
5.根据权利要求1所述的资源分配方法，其特征在于，所述基于所述任务代价信息、评价分配模型和约束条件信息，确定出目标资源分配结果，包括：
基于所述任务代价信息中的所述需求向量和所述供给向量、评价分配模型、约束条件信息，确定出目标函数；
对所述目标函数和所述任务代价信息进行求解，得到目标资源分配结果。
6.根据权利要求5所述的资源分配方法，其特征在于，所述目标函数包括最小代价函数和约束条件函数；
所述基于任务代价信息、评价分配模型和约束条件信息，确定出目标函数，包括：
基于评价分配模型，确定出所述最小代价函数；
基于所述任务代价信息中的所述需求向量和所述供给向量、所述约束条件信息，确定出所述约束条件数；
其中，所述评价分配模型为：
所述最小代价函数为：
所述约束条件数为：
式中，min(TotalCost(resultij))为所有所述总代价值TotalCost(resultij)中的最小总代价值；resultij为分配给元素坐标为(i,j)的所述资源平台的数量；supplyj为所述供给向量中第j个所述供给值；demandi为所述需求向量中第i个所述需求值；m为所述任务向量中所述需求任务的数量；n为所述资源中队向量中所述资源中队的数量。
7.根据权利要求5所述的资源分配方法，其特征在于，所述对所述目标函数和所述任务代价信息进行求解，得到目标资源分配结果，包括：
对所述任务代价信息进行扩增，得到扩增任务代价信息；所述扩增任务代价信息为对所述代价矩阵、所述任务向量和所述需求向量进行元素增加；
利用最小元素法对所述扩增任务代价信息和所述目标函数进行求解处理，得到初始资源分配结果；
对所述初始资源分配结果进行校验，得到校验结果；
当所述校验结果为否时，基于所述校验结果对所述初始资源分配结果进行调整更新，并触发执行所述对所述初始资源分配结果进行校验，得到校验结果；
当所述校验结果为时，对所述初始资源分配结果进行删除优化处理，得到目标资源分配结果。
8.一种资源分配装置，其特征在于，所述装置包括：
获取模块，用于获取任务需求信息和资源中心信息；所述任务需求信息包括若干个需求任务和所述需求任务对应的任务百分比；所述资源中心信息包括若干个资源中队；每个所述资源中队包括若干个资源平台；每个所述资源平台包括一个第一资源任务集合；每个所述资源中队包括一个第二资源任务集合；所述第一资源任务集合包括若干个有序排列的第一资源任务；所述第二资源任务集合包括若干个有序排列的第二资源任务；所述第一资源任务表征所述资源平台可完成所述第一资源任务对应的所述需求任务；所述第二资源任务表征所述资源中队可完成所述第二资源任务对应的所述需求任务；
第一确定模块，用于基于所述任务需求信息和所述资源平台信息，确定出任务代价信息；所述任务代价信息表征由资源中队向量、任务向量、需求向量、供给向量和代价矩阵构成的矩阵；所述代价矩阵中的代价元素表征所述资源中队向量中的资源中队完成所述任务向量中的需求任务的代价值；所述需求向量中的需求值表征完成所述需求任务所需要的资源平台的数量；所述供给向量中的供给值表征所述资源中队中所述资源平台的数量；
第二确定模块，用于基于所述任务代价信息、评价分配模型和约束条件信息，确定出目标资源分配结果；所述评价分配模型用于计算每个资源分配结果对应的总代价值；所述资源分配结果表征所述资源任务分配到所述资源中队中所述资源平台的数量；所述目标资源分配结果对应的总代价值是所有所述资源分配结果对应的总代价值中最小的；所述约束条件信息表征所述资源任务分配到所述资源中队中所述资源平台的数量与所述供给向量中的供给值和所述需求向量中的需求值的大小关系。
9.一种资源分配装置，其特征在于，所述装置包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-7任一项所述的资源分配方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1-7任一项所述的资源分配方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211528285.7A CN115796523B (zh) | 2022-11-30 | 2022-11-30 | 一种资源分配方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211528285.7A CN115796523B (zh) | 2022-11-30 | 2022-11-30 | 一种资源分配方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115796523A true CN115796523A (zh) | 2023-03-14 |
| CN115796523B CN115796523B (zh) | 2023-07-18 |
Family
ID=85444412
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211528285.7A Active CN115796523B (zh) | 2022-11-30 | 2022-11-30 | 一种资源分配方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115796523B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116523439A (zh) * | 2023-05-09 | 2023-08-01 | 中国人民解放军军事科学院系统工程研究院 | 一种仓储物资调用方法及装置 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030061261A1 (en) * | 2001-09-26 | 2003-03-27 | The Boeing Company | System, method and computer program product for dynamic resource management |
| US20140142998A1 (en) * | 2012-11-19 | 2014-05-22 | Fmr Llc | Method and System for Optimized Task Assignment |
| CN105468452A (zh) * | 2014-09-04 | 2016-04-06 | 中国联合网络通信集团有限公司 | 一种资源池的分配方法及资源调度器 |
| CN106919389A (zh) * | 2017-02-24 | 2017-07-04 | 湖北大学 | 基于改进匈牙利算法的软件开发资源自动调度方法及系统 |
| CN110456633A (zh) * | 2019-06-29 | 2019-11-15 | 西南电子技术研究所（中国电子科技集团公司第十研究所） | 机载多平台分布式任务分配方法 |
| CN111967656A (zh) * | 2020-07-29 | 2020-11-20 | 中国人民解放军国防科技大学 | 多灾点应急救援指挥控制组织资源调度方法及系统 |
| CN112734239A (zh) * | 2021-01-12 | 2021-04-30 | 中南大学 | 基于任务与资源能力属性的任务规划方法、装置和介质 |
| CN113240226A (zh) * | 2021-03-05 | 2021-08-10 | 中国人民解放军61096部队 | 一种卫星地面站间的资源分配方法及装置 |
| CN113783959A (zh) * | 2021-09-13 | 2021-12-10 | 吉林大学 | 一种车联网联合优化计算任务卸载比率和资源分配方法 |
| CN114581222A (zh) * | 2022-05-05 | 2022-06-03 | 支付宝(杭州)信息技术有限公司 | 一种资源分配方法、电子设备、应用程序及存储介质 |
-
2022
- 2022-11-30 CN CN202211528285.7A patent/CN115796523B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030061261A1 (en) * | 2001-09-26 | 2003-03-27 | The Boeing Company | System, method and computer program product for dynamic resource management |
| US20140142998A1 (en) * | 2012-11-19 | 2014-05-22 | Fmr Llc | Method and System for Optimized Task Assignment |
| CN105468452A (zh) * | 2014-09-04 | 2016-04-06 | 中国联合网络通信集团有限公司 | 一种资源池的分配方法及资源调度器 |
| CN106919389A (zh) * | 2017-02-24 | 2017-07-04 | 湖北大学 | 基于改进匈牙利算法的软件开发资源自动调度方法及系统 |
| CN110456633A (zh) * | 2019-06-29 | 2019-11-15 | 西南电子技术研究所（中国电子科技集团公司第十研究所） | 机载多平台分布式任务分配方法 |
| CN111967656A (zh) * | 2020-07-29 | 2020-11-20 | 中国人民解放军国防科技大学 | 多灾点应急救援指挥控制组织资源调度方法及系统 |
| CN112734239A (zh) * | 2021-01-12 | 2021-04-30 | 中南大学 | 基于任务与资源能力属性的任务规划方法、装置和介质 |
| CN113240226A (zh) * | 2021-03-05 | 2021-08-10 | 中国人民解放军61096部队 | 一种卫星地面站间的资源分配方法及装置 |
| CN113783959A (zh) * | 2021-09-13 | 2021-12-10 | 吉林大学 | 一种车联网联合优化计算任务卸载比率和资源分配方法 |
| CN114581222A (zh) * | 2022-05-05 | 2022-06-03 | 支付宝(杭州)信息技术有限公司 | 一种资源分配方法、电子设备、应用程序及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 江建清;朱晓敏;伍国华;贺川;吴朝波;: "面向应急对地观测任务的多飞艇协同分配方法", 系统工程与电子技术, no. 02 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116523439A (zh) * | 2023-05-09 | 2023-08-01 | 中国人民解放军军事科学院系统工程研究院 | 一种仓储物资调用方法及装置 |
| CN116523439B (zh) * | 2023-05-09 | 2023-12-05 | 中国人民解放军军事科学院系统工程研究院 | 一种仓储物资调用方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115796523B (zh) | 2023-07-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108492005B (zh) | 项目数据处理方法、装置、计算机设备和存储介质 | |
| CN108182524A (zh) | 一种订单分配方法及装置、电子设备 | |
| CN109711981A (zh) | 基于人工智能确定授信额度的方法、装置及存储介质 | |
| CN112734239B (zh) | 基于任务与资源能力属性的任务规划方法、装置和介质 | |
| CN115796523A (zh) | 一种资源分配方法及装置 | |
| CN110795217B (zh) | 一种基于资源管理平台的任务分配方法及系统 | |
| CN111275358A (zh) | 派单匹配方法、装置、设备及存储介质 | |
| CN110222971A (zh) | 一种基于交易单分级提高交易效率的方法及装置 | |
| WO2011021996A1 (en) | Scoring a matching between a resource and a job | |
| CN110580576A (zh) | 一种订单派发方法及装置 | |
| CN108564345B (zh) | 保险平台数据处理方法、电子装置及计算机可读存储介质 | |
| CN114462849A (zh) | 任务的均衡分配方法以及任务的均衡分配装置 | |
| CN113516239A (zh) | 模型训练方法、装置、存储介质及电子设备 | |
| CN111860927B (zh) | 模型的训练方法、服务请求处理方法、装置、设备及介质 | |
| CN109522919A (zh) | 一种数据评估方法及装置 | |
| CN113608751B (zh) | 推理服务平台的运行方法、装置、设备及存储介质 | |
| CN111432082A (zh) | 客服的客户分配方法及装置 | |
| CN109801149A (zh) | 创建纳税申报表的方法，装置，存储介质及电子设备 | |
| CN112363831B (zh) | 风控处理方法、装置、计算机设备和存储介质 | |
| CN116090888A (zh) | 决策引擎配置管理方法、装置、电子设备及程序产品 | |
| CN114529144A (zh) | 一种政务云的云服务质量的评估方法、装置及存储介质 | |
| EP2693378A1 (en) | Risk-management device | |
| CN110516922B (zh) | 分配数据处理对象的方法及装置 | |
| CN111724788B (zh) | 业务处理方法、装置及设备 | |
| CN108683185B (zh) | 断线阻抗计算装置、系统、方法、计算机设备和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |